Data Science, Machine Learning et IA - De la Théorie aux Applications Avancées

08.11.2024 09:00 – 17:00

SESSION DE FORMATION - les vendredis 1 – 8 – 15 novembre 2024 (3 jours)


Cette session propose une découverte du Machine Learning par la pratique et un aperçu d’applications possibles.


Public : Développeur/euse, analyste


Programme :



Jour 1:

Introduction
Qu’est-ce que la Data Science? Définition et relations avec le Machine Learning et l’Intelligence Artificielle?
Machine Learning
Types d’apprentissage, types de problèmes, et cas d’utilisation pratiques
Comment ça marche?
Pipeline de l'apprentissage automatique : Des données au modèle
Collecte et préparation des données
Problèmes de données courants
Préparation et partitionnement
Extraction des caractéristiques
Sélection des caractéristiques
Réduction des dimensions
Normalisation
Entraînement et évaluation du modèle
Sélection de l'algorithme approprié
Métriques d’évaluation
Sur-apprentissage et sous-apprentissage: le dilemme biais-variance
Ajustement des hyper-paramètres
Outils du Data Scientist: Python, Jupyter Notebook, Numpy, Scikit-learn, Git, etc.
Mise en pratique



Jour 2:

Qu’est-ce que le Deep Learning?
Exemples d’applications
Traitement d’images
Traitement du langage naturel
Autres
Modèles de Deep Learning
Convolutional Neural Networks (NN)
Recurrent NN
Transformer Networks
Apprentissage par transfert (Transfer Learning)
Mise en pratique



Jour 3:

Introduction au RAG (Retrieval-Augmented Generation)
Qu’est-ce que le RAG?
Processus de récupération et de génération
Evaluation d’un système RAG
Exemples d’applications
Atelier pratique sur le RAG
Mise en œuvre d’un modèle RAG simple avec Hugging Face
Discussion des applications avancées utilisant le RAG
Conclusion

Lieu

Bâtiment: Battelle

Uni Battelle